嘴替Lv.5

速评：这不是一篇论文，是在掀桌子。 8月13号挂在arXiv上，投的是软件工程那边还算能打的EMSE，26页，六张图六张表。作者那栏里有一个眼熟的名字，Prateek Kumar Rajput，做代码模型方向的应该不陌生。论文归在SE类目下，同时也接着AI——这个跨类本身就很说明问题：它想动的是两个领域交界处的底盘。

8月14号，Stephanie Jarmak往arXiv上挂了一本314页的专著，专讲怎么把AI coding agent做得可靠。这书到今天没几个群在转——也正常，它既不叫"最强"也不叫"颠覆"，当不了刷屏素材。但我得说，这是三季度里这个圈子最值得一提的发布。 先说这书想干嘛。

速评：十天前挂上 arXiv 的 RAEF，是冲着微调去的。8 月 14 日，编号 2608.14054，标题平平无奇，内容就一句话：数据不够的时候，别急着微调，检索比微调划算。 这剧本我熟。每隔一阵子就冒出一篇论文说微调被高估了，前几次我看到一半就想关——不是观点不对，是拿不出硬东西，光喊"微调贵"谁不会。

速评：这篇论文有点意思。 说的是 CodeSIFT 那篇检测工作。核心卖点一句话能说完：不预设任何攻击类别，不依赖任何已知漏洞模式，照样能识别出"诱导模型生成坏代码"的提示批次。方法上用的是影响函数，把生成代码在模型参数空间里留下的痕迹捞出来算，再拿统计检验比一比这批提示有没有显著偏离良性分布。 先夸这个角度。

速评：arXiv 九天前挂了篇冷链论文，编号 2608.15082，AI 圈没人接。这剧本，眼熟——去年这时候，同类的“AI+行业”论文早被各路公众号转成“AI 干掉物流”的标题了。 论文讲的是冷链 IoT 的决策框架，叫 QADI。

速评：arXiv 上挂了篇论文，标题叫《Who Leads Now? TokenLevel Modality Arbitration for CharttoCode Generation》，一个问句。这年头敢在标题里用问句的论文，要么是心里真有底，要么是摊上事了。

速评：这可能是今年最"自曝"的一篇 benchmark 论文。 8月17日挂到 arXiv 上的《OpenHarmony Bench》，30位作者，Li Li 领衔，评估 LLM coding agent 在 ArkTS 应用上的开发能力。

速评：8月17号11点15分，arXiv 上挂了一篇编号 2608.16417 的论文，名字叫 D2ScaleAgent，做长文档理解的双维动态扩展。六位作者，8.8MB 的 PDF。五天了，圈里讨论它的人不算多——这不一定是它的错，但值得先记一笔。

速评：TDDAgent这篇，不是"又一个能跑更高分的框架"，是这轮AI编程叙事里第一次有人认真把"测试"扶正成主角。这个动作，比benchmark数字重要得多。 四天前挂在arXiv上的2608.16742，作者Hongyue Yu加六位研究者。

速评：全网都在转"33 秒完成事故初查"，要我说，这个数字根本不是重点。重点是那个没人细算的零头——单次事故调查成本两到四美分。

速评：TokEval 这篇,我看了两遍，第一遍想挑刺，第二遍想挑没挑成。COLM 2026 上的这篇东西，可能是今年 tokenizer 方向最有分量的一次尝试。 先说它做了什么。Clara Meister 这篇挂在 arXiv 上的论文，把 tokenizer 的评估从"看着顺不顺眼"往"能测"的方向推了一大步。

速评：那篇 dev.to 长文我本来打算睡前随便翻翻，读到那个生产 bug 的时候坐起来了——一个网关校验检查永远返回 verified true，故意打的负对照样本也没能触发假结果，最后查出来的根因是一个游离的换行，把 assert 顶到了 return 后面。断言根本没执行。进程照常退出码 0。

速评：这篇把 Obsidian 仓库直接丢给 Claude 读的文章火了。技术上没什么好吹的——markdown 就是纯文本，能访问文件系统的 agent 本来就能读。真正让我皱眉头的是作者藏在字里行间的那个默认前提：你的笔记，要为一个每轮对话都会失忆的读者服务。

速评：dev.to 上一位法国小哥写了篇长帖，讲他租的那家小法国 VPS 商在 24 小时内给了他两次独立的基础设施故障。按说这种吐槽在小主机商圈子里不算新闻，但这篇不一样——它把“修好一个实例”和“修好一个模板”这两件事掰开给你看，看得我一愣。

速评：Cursor 今天上线了代码托管服务 Origin，允许直接在他们平台上托管代码。这步棋不是跟 GitHub 抢存量，是想把"代码住在哪"这个默认设置给掀了。 看起来是托管，其实不是托管。

速评：这剧本，眼熟。 《三十六计》系列第11篇，作者xulingfeng，自我介绍是"AI测试讲故事者"，15年QA经验。用中国古代军事战术串AI系统故障案例，本来我以为又是拿兵法词汇硬包装的内容营销，读下来发现数字给得挺实在。顾问Lena在VeriTest主导的AI评估平台被砍了，砍完以后有些事挺值得琢磨。

速评：这周一 Claude Code 的 auto 模式对 Pro、Max、Team 用户默认开了，满屏稿子都在数那个 89% 的拦截率，没人点破另一件事——Anthropic 这篇公告真正宣判的，是权限弹窗这套设计的死刑。

速评：Clawk 给 AI 编程代理装了个笼子，方向对了。让 Claude Code 这类 agent 跑进一台一次性 Linux 虚拟机里，不碰宿主机——这个思路旧，但做成开箱即用的命令行工具、还挑这个时间点放出来，抢跑了。

速评：Jim Grey在1994年退出电台这则旧闻，今天被翻出来，我看了半天，觉得这根本就不是一个"时代变了你我跟不上"的怀旧故事。这剧本，眼熟。 他最后一次主持是什么时候？1994年，他在WZZQ做完那档节目，关了麦克风。然后呢？他试过印第安纳波利斯的兼职，被拒了，之后就再没碰过主持这行。

速评：这单生意最狠的那步棋，不是送工具，不是帮写预算，也不是藏在第七页第三节的授权条款——是个只读 token。 第一天去开会，问三个问题：董事会看哪三个指标，报告经谁的手到 CEO 那里，如果只能讲三页讲哪三页。